基于matlab采用K-近邻算法实现MNIST手写体数据集的识别

实现过程 处理 MNIST 数据集 下载 MNIST 数据集，下载测试集、测试标签、训练样本、训练标签共四个文件 下载下来的数据集是 IDX 文件格式的，因此用 Python 转为 50×50 的PNG图片，代码在后 选取合适数量的测试集和训练集，训练集中每个数字的训练样本数要一致 matlab 实现步骤（以图像分辨率为 50×50例） 对所有图片做二值化处理：有值取1，无值取0 将 0-9 数字的训练样本矩阵化，每一幅数字图像都是一维矩阵。以50×50分辨率图像为例，获得 1×2500 的一维矩阵；每个数字860张图片，我们就得到了 8600 × 2500 的矩阵，这作为训练矩阵 在训练矩阵加入标签列，用来判断某一行指的数字是多少 对每一幅待识别数字图像，同样将其转为 1 × 2500 的一维矩阵，称为测试矩阵 计算测试矩阵与训练矩阵每一维的欧氏几何距离，同样按列向量加到训练矩阵，并按距离升序按行排列训练矩阵 对前 K 个行向量求标签的众数，结果标签就是采用 KNN 算法得到的最有可能的识别结果